[發明專利]基于人工智能的對話生成方法、裝置、設備及存儲介質在審
| 申請號： | 202210412043.5 | 申請日： | 2022-04-19 |
| 公開（公告）號： | CN114756667A | 公開（公告）日： | 2022-07-15 |
| 發明（設計）人： | 舒暢;陳又新 | 申請（專利權）人： | 平安科技（深圳）有限公司 |
| 主分類號： | G06F16/332 | 分類號： | G06F16/332;G06F16/33;G06F16/35;G06F40/30 |
| 代理公司： | 深圳市明日今典知識產權代理事務所(普通合伙) 44343 | 代理人： | 王杰輝;曹勇 |
| 地址： | 518000 廣東省深圳市福田區福*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 人工智能 對話 生成 方法 裝置 設備 存儲 介質 | ||
1.一種基于人工智能的對話生成方法，其特征在于，所述方法包括：
獲取目標用戶對話文本對應的歷史多輪對話文本及用戶畫像特征向量；
根據所述歷史多輪對話文本生成主題概念特征向量；
根據所述歷史多輪對話文本生成情感特征向量；
根據所述歷史多輪對話文本生成對話態度特征向量；
將所述用戶畫像特征向量、所述主題概念特征向量、所述情感特征向量和所述對話態度特征向量輸入預設的對話生成模型進行答復文本生成，得到所述目標用戶對話文本對應的目標答復文本。
2.根據權利要求1所述的基于人工智能的對話生成方法，其特征在于，所述根據所述歷史多輪對話文本生成主題概念特征向量的步驟，包括：
將所述歷史多輪對話文本中的各輪用戶對話文本輸入預設的第一主題概念預測模型進行主題概念預測，得到用戶主題概念預測結果；
將所述歷史多輪對話文本中的各輪答復文本輸入預設的第二主題概念預測模型進行主題概念預測，得到答復主題概念預測結果；
將所述用戶主題概念預測結果輸入預設的第一雙向GRU模型進行特征提取，得到用戶隱藏層狀態特征向量；
將所述答復主題概念預測結果輸入預設的第二雙向GRU模型進行特征提取，得到答復隱藏層狀態特征向量；
對所述用戶隱藏層狀態特征向量和所述答復隱藏層狀態特征向量進行相同位置的向量元素相加，得到所述主題概念特征向量。
3.根據權利要求1所述的基于人工智能的對話生成方法，其特征在于，所述根據所述歷史多輪對話文本生成情感特征向量的步驟，包括：
將所述歷史多輪對話文本的每個文本輸入預設的情感分類模型進行情感分類預測，得到單文本情感分類預測結果；
根據各個所述單文本情感分類預測結果確定所述情感特征向量。
4.根據權利要求1所述的基于人工智能的對話生成方法，其特征在于，所述根據所述歷史多輪對話文本生成對話態度特征向量的步驟，包括：
將所述歷史多輪對話文本的每個文本輸入預設的對話態度分類預測模型進行對話態度分類預測，得到單文本對話態度分類預測結果；
根據各個所述單文本對話態度分類預測結果確定所述對話態度特征向量。
5.根據權利要求1所述的基于人工智能的對話生成方法，其特征在于，所述將所述用戶畫像特征向量、所述主題概念特征向量、所述情感特征向量和所述對話態度特征向量輸入預設的對話生成模型進行答復文本生成，得到所述目標用戶對話文本對應的目標答復文本的步驟，包括：
將所述用戶畫像特征向量、所述主題概念特征向量、所述情感特征向量和所述對話態度特征向量進行特征融合，得到目標融合特征；
將所述目標融合特征輸入所述對話生成模型進行答復文本生成，得到所述目標用戶對話文本對應的所述目標答復文本，其中，所述對話生成模型是基于Bert模型訓練得到的模型。
6.根據權利要求5所述的基于人工智能的對話生成方法，其特征在于，所述將所述用戶畫像特征向量、所述主題概念特征向量、所述情感特征向量、所述對話態度特征向量和所述歷史多輪對話文本的最后一個所述答復文本進行特征融合，得到目標融合特征的步驟，包括：
獲取預設的標志位字符和預設的答復掩碼向量；
對所述標志位字符、所述用戶畫像特征向量、所述主題概念特征向量、所述情感特征向量、所述對話態度特征向量和所述答復掩碼向量進行依次拼接，得到所述目標融合特征。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于平安科技（深圳）有限公司，未經平安科技（深圳）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210412043.5/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種用于承載鞍檢測的輸送及抓取機構
- 下一篇：一種用于電子產品檢測的傳送裝置
